کشاورزی یک زمینه علمی پیچیده است که به طیف گسترده ای از تخصص، مهارت ها، روش ها و فرآیندها مربوط می شود که می تواند به طور مؤثر توسط سیستم های رایانه ای پشتیبانی شود. تلاش های زیادی در جهت ایجاد یک چارچوب کشاورزی خودکار انجام شده است که بتواند داده های ورودی و فرایندهای مربوطه را کنترل کند. پیشرفت های اخیر در حوزه فناوری اطلاعات و ارتباطات (ICT) (Information and Communication Technologies) قابلیت جمع آوری، پردازش و تجزیه و تحلیل داده ها از منابع مختلف را در عین تحقق مفهوم هوش کشاورزی در خود دارد. محیط پر رونق برای اجرای سیستم های مختلف کشاورزی با مجموعه ای از فناوری ها که چشم انداز بهبود بهره وری کشاورزی را از طریق استفاده فشرده از داده ها ارائه می دهند، توجیه می شود. مفهوم کلان داده در کشاورزی تنها به حجم زیاد مربوط نمی شود، بلکه به تنوع و سرعت داده های جمع آوری شده نیز مربوط می شود. داده های بزرگ یک مفهوم کلیدی برای توسعه آینده کشاورزی است زیرا قابلیت های بی سابقه ای را ارائه می دهد و ابزارها و خدمات مختلفی را قادر می سازد تا وضعیت فعلی خود را تغییر دهند.

با پیمایش سیستم های کشاورزی پیشرفته و معماری داده های بزرگ در وضعیت تحقیقاتی و تجاری باید سعی شود شکاف دانش بین سیستم های کشاورزی و بهره برداری از داده های بزرگ پر شود. با اکتشاف سیستم های کشاورزی موجود و کسب اطلاعات لازم برای تکامل آنها تا رسیدن به وضعیت فعلی قادر به پشتیبانی از سیستم عامل های مختلف و مدیریت منابع متعدد اطلاعات خواهیم بود. لازم است بر بهره برداری از منابع متعدد اطلاعات، ارائه اطلاعات برای ماهیت داده ها و ترکیب منابع مختلف داده به منظور کشف پتانسیل کامل سیستم های فناوری اطلاعات و ارتباطات در کشاورزی، متمرکز شویم.

مفهوم کشاورزی شامل مجموعه ای از زمینه های مختلف علمی است که برخی از آنها مستقیماً با کشت زمین (کنترل آب، کشت محصول، برداشت و غیره) مرتبط است، در حالی که برخی دیگر با گسترش طبیعی مدل کشاورزی (مهندسی، اقتصاد، مدیریت و غیره). پیشرفت در زمینه های مختلف حوزه فناوری اطلاعات و ارتباطات (ICT) در ترکیب با نیاز به بهبود بهره وری کشاورزی، هم برای مسائل امنیت غذایی و هم برای تأثیرات زیست محیطی، زمینه کشاورزی هوشمند را ایجاد کرده است.

کشاورزی دقیق (یا کشاورزی هوشمند) می تواند تولید کشاورزی را از نظر بهره وری و پایداری به میزان قابل توجهی افزایش دهد. اگرچه به نظر می رسد بهره وری، نیروی محرکه هر پیشرفت فناوری در کشاورزی است، اما اهمیت پایداری را نباید نادیده گرفت. پایداری به عنوان یک مسئله مهم در سراسر طیف فعالیت های انسانی پدیدار می شود، بنابراین یکی از اهداف کشاورزی هوشمند به حداقل رساندن تأثیرات زیست محیطیِ فعالیت های کشاورزی است.

رشته ای که به عنوان سلف کشاورزی هوشمند در نظر گرفته می شود، کشاورزی دقیق است. اگرچه این دو واژه یکسان به نظر می رسند، اما تفاوت هایی با یکدیگر دارند، زیرا مفهوم کشاورزی هوشمند فراتر از وظایف مدیریت، در حوزه می رود و با توجه به ادغام مداوم فناوری های جدید (محاسبات ابری، اینترنت اشیاء (IoT) ، سیستم اطلاعات جغرافیایی (GIS) (Geographic Information System) و غیره) به اکوسیستم وسیع تری برای زیرساخت های موجود و بهره برداری از داده ها از منابع متعدد (توصیفی، بردار و سنجش از دور) گسترش می یابد.

برای مقابله با چالش های ادغام مداوم فناوری های جدید در زمینه کشاورزی هوشمند، سیستم های پیچیده ای باید ساخته شوند که مفاهیم مقیاس پذیری و قابلیت همکاری پایه و اساس آنها باشد. برای بهره برداری کامل از فناوری های نوظهور دیجیتالی، که قادر به جمع آوری و ذخیره و مدل سازی حجم عظیمی از داده ها از منابع مختلف ناهمگن باشند، رویکردهای جدیدی در سیستم های کشاورزی آینده باید دنبال شود. این ناهمگونی در داده ها بزرگ ترین چالش را در جهت بهبود بهره وری کشاورزی از طریق بهره برداری گسترده از داده های تولید شده ایجاد می کند. چالش، استخراج دائمی دانش از داده های خام است، بنابراین سیستم های کشاورزی باید از روش ها و تکنیک های جدیدی مانند داده کاوی، آمار کاربردی و یادگیری ماشین استفاده کنند که پتانسیل داده های جمع آوری شده را فعال می کنند.

پیش نیاز برای درک بهتر مفهوم کلان داده در کشاورزی، کاوش داده های کوچک است. 

اگرچه کشاورزی هوشمند به عنوان یک واژه به تازگی مطرح شده است، در حال حاضر راه حل ها و سیستم عامل های تجاری متعددی در این رابطه وجود دارد که نشان دهنده تقاضای بازار است. اکثر راه حل های تجاری بر جمع آوری، یکپارچه سازی و تجسم داده های جمع آوری شده با استفاده از حسگرهای اینترنت اشیاء متمرکز هستند، در حالی که تنها تعداد کمی تجزیه و تحلیل پیش بینی کننده ارائه می دهند.

پیشرفت های تکنولوژیکی سال های اخیر نیاز به توسعه مداوم سیستم های تجاری و راه حل های موجود در هر بخش صنعتی، از جمله کشاورزی را ایجاد کرده است. راه حل های تجاری موفق دائماً در فناوری های جدید سرمایه گذاری می کنند و پیشرفت را در سطح تحقیق در نظر می گیرند. یک بررسی کامل در مورد سیستم های تحقیقاتی کشاورزی موجود و مروری بر تکنیک های پیشرفته جمع آوری داده ها می تواند به عنوان مرجع سیستم های تجاری آینده مورد استفاده قرار گیرد.

با تمرکز بر قابلیت های سیستم های کشاورزی موجود و در ترکیب انواع مختلف داده ها از منابع متعدد، بینش مفیدی برای سیستم های کشاورزی پیشرفته و وضعیت داده های بزرگ در کشاورزی به وجود می آید. 

به غیر از استفاده از داده های بزرگ در کشاورزی، سایر رویکردها در بررسی های اخیر در کشاورزی هوشمند شامل یک رویکرد آب و هوایی است که بر اهمیت تغییر آب و هوا در بخش کشاورزی تأکید می کند. 

از چارچوب های نظری تا فناوری های وب و تلفن همراه

رشد اینترنت در اوایل دهه 2000 بخش کشاورزی را تحت تأثیر قرار داده است، زیرا فناوری های وب قابلیت های قابل توجهی را برای کشاورزان و سیستم های کشاورزی فراهم می کنند. پیشرفت ها در حوزه کشاورزی از طریق بهره برداری از اینترنت در دو مرحله انجام شده است، مرحله اول شامل فناوری های وب عمومی با هدف همکاری بهتر ذینفعان در مدیریت مؤثر مزرعه و مرحله دوم مربوط به بهره برداری است که اینترنت اشیاء ارائه می دهد. ادغام قابلیت های اینترنت اشیاء با حوزه کشاورزی، کشاورزی 2.0 را ایجاد کرده است، جایی که شبکه های حسگر نقش برجسته ای در جمع آوری داده ها و اتوماسیون رویه های کشاورزی دارند.

هو و همکارانش در سال 2004 یک سیستم پشتیبانی کشاورزی مبتنی بر وب با نام اختصاری WASS (Web-based agricultural support system)، با تمرکز بر ساختار سازمانی یک سیستم کشاورزی کامل، پیشنهاد کردند. سیستم پیشنهادی از قابلیت هایی که وب برای همکاری ارائه می دهد (چت روم، کنفرانس ویدیویی و غیره) استفاده می کند و یک آزمایشگاه متا ایجاد می کند که در مناطق مختلف جغرافیایی گسترده است. این سیستم همان اصول همکاری که وب می تواند یک سیستم مشاوره GIS مبتنی بر وب ارائه دهد را رعایت می کند.

 

داده های بزرگ و منابع داده در سیستم های کشاورزی هوشمند

با ظهور اینترنت اشیاء (IoT) داده های تولید شده به سرعت در حال افزایش است و بخش قابل توجهی از آنها از حسگرها، محرک ها و نرم افزارها تولید می شود و بینش مفیدی را برای تعدادی از موضوعات و مشکلات مختلف ارائه می دهد. مفهوم کلان داده در حال تبدیل شدن به یک روند برجسته در زمینه های متنوع و مختلف از جمله کشاورزی است، اگرچه همه جنبه ها (یا ابعاد) این مفهوم پوشش داده نمی شود. یک بررسی اخیر در مورد داده های بزرگ و کشاورزی  نشان داد که تنها دو کار تحقیقاتی از هر همه بعد اساسی مفهوم کلان داده استفاده کرده است. در این مرور، تعدادی از حوزه های مختلف تحت موضوع کشاورزی، از آب و هوا و تغییرات آب و هوایی گرفته تا زنجیره تأمین و تنوع زیستی، گنجانده شده است. 

این بخش سیستم های کشاورزی موجود را که از منابع مختلف اطلاعات استفاده می کنند، با تمرکز بر ویژگی تنوع در داده های بزرگ ارائه می دهد. اولین قدم در جهت بهره برداری از کلان داده ها، ترکیب داده ها از منابع مختلف است که در نهایت منجر به داده های پیچیده و معماری نرم افزاری در کشاورزی می شود که می توانند از داده های بزرگ استفاده کنند.
 

کشاورزی دقیق

در حالی که کشاورزی دقیق را می توان به عنوان یک تکنیک مدیریت کشاورزی تعریف کرد که از داده ها به کمک فناوری اطلاعات و ارتباطات و اینترنت اشیاء برای افزایش کارایی عملیات استفاده می کند، کشاورزی هوشمند با ترکیب چنین استفاده از داده ها و اتوماسیون ماشین آلات کشاورزی از مدیریت مزرعه پشتیبانی می کند.
 
با افزایش تراکم زمین های کشاورزی و کاهش نیروی کار، کشاورزان با مجموعه ای از چالش ها روبرو هستند، از جمله مدیریت مناسب در زمینه های مختلف، بهبود عملکرد و کیفیت محصولات، کاهش هزینه های تولید و نیاز به افزودن ارزش اضافی به محصولات خود. با ارائه راه حل هایی با تمرکز بر پشتیبانی مدیریت مزرعه از طریق استفاده بیشتر از داده ها و کاهش فوق العاده نیروی کار از طریق اتوماسیون ماشین آلات کشاورز، در این رابطه ارزش جدیدی خلق می شود.
 
مرکز پشتیبانی مدیریت مزرعه از طریق استفاده فعال از داده هاست. معماری اساسی، رایانه ها و تلفن های هوشمند را با ماشین آلات کشاورزی از طریق سرویس ابری متصل می کند تا تک تک اطلاعات کلی کشاورزی را به صورت یکپارچه مدیریت کند. با جمع آوری/ تجزیه و تحلیل انواع مختلف اطلاعات در مزارع، محصولات زراعی و عملیات مزرعه که از زمین های کشاورزی جمع آوری می شوند، مدیریت مزرعه را می توان "تجسم" کرد. این نه تنها به کاهش خطاهای عملیاتی کمک می کند - بلکه اطلاعات مربوط به ورودی کودها و سایر مواد شیمیایی را نیز آشکار می کند، و بنابراین هزینه ها را کاهش می دهد. یکی از ویژگی های این سیستم که توجه ویژه ای را به خود جلب می کند ، "کمباین ترکیب طعم و عملکرد" ​​است. این دستگاهِ مزرعه ایِ مدرن، عملکرد و اجزای تغذیه ای برنج را در هر مزرعه اندازه گیری می کند و هنگام برداشت و خرمن کوب، چنین اطلاعاتی را به پایگاه داده وارد می کند.
 
طعم برنج با محتوای پروتئین و آب تعیین می شود، بنابراین کمباین به سنسوری مجهز می شود که این اجزای تغذیه ای را اندازه گیری می کند. این سنسور امکان نظارت بر واریانس عملکرد، پروتئین و محتوای آب در هر مزرعه را فراهم می کند. بر اساس داده ها، کاربرد کود را می توان بهینه کرد، که به تولید برنج خوشمزه با ارزش افزوده بالا کمک می کند. اگر داده های مربوط به طراحی کود به ماشین های کشاورزی منتقل شود، ماشین ها به طور خودکار میزان کاربرد را تعیین می کنند، و این، این امکان را برای هر کسی فراهم می کند که طبق برنامه کودها را به راحتی استفاده کند. این نشان دهنده دور شدن از تکنیک های کشاورزی معمولی است که بر تجربیات و شهود کشاورزان متکی بود.
 
انتظار می رود کشاورزی دقیق (یا "کشاورزی هوشمند") مسائل مربوط به مواد غذایی ناشی از افزایش انفجاری جمعیت جهان را حل کند، زیرا به افزایش عملکرد و بازده عملیاتی کمک می کند. به علاوه این کشاورزی، بازارهای کشاورزی کشورهای پیشرفته صنعتی را هدف قرار داده است.
 
برای کشاورزان، نکته مهم در ارزیابی ماشین آلات کشاورزی این است که آیا ماشین ها می توانند به عملکرد مؤثر و دقیق مزرعه دست یابند. به عبارت دیگر، آنها ماشین آلات کشاورزی را که با هزینه کمتر بازده بالاتری کسب می کنند، رتبه بندی می کنند. این تنها زمانی قابل درک است که تراکتور، که منبع قدرت است، و دستگاهی که وظیفه را انجام می دهد بتوانند با هم متحد شده و به عنوان یک کار عمل کنند.


ترکیب هوشمند کمباین کشاورزی در محل کار

فکر می کنید می توانید ترکیبی را پشت سر بگذارید؟ پنج تا 10 سال پیش این مسابقه نبود. یک اپراتور باتجربه دقیقاً می داند چه زمانی سرعت را کاهش دهد، سرعت دهد، سرعت روتور را کاهش دهد، و مقعر را باز کرده و حفره را روی سطل دانه تنظیم کند تا بیشترین دانه در مخزن بدون خرد شدن هسته ها به دست آید.
 
اما با پیشرفت در فناوری سنسورها با ترکیب هوش مصنوعی و توانایی تنظیم خودکار بر اساس شرایط برداشت انجام این کار سریع تر از آن است که راننده با فشار دادن دستی یک دکمه برای تغییر این کار را انجام دهد.
 
با سطح اتوماسیون داخلی که امروزه در دسترس است، شما نیازی به سال ها تجربه ندارید تا یک اپراتور ترکیبی مؤثر باشید. فناوری ارائه شده در کمباین های جدید می تواند یک اپراتور مبتدی یا پاره وقت را بسیار کارآمد و یک اپراتور با تجربه را بهتر کند.
 
همه ترکیبات تجاری در مقیاس تجاری که امروز خریداری می کنید دارای سطحی از "رفتار پیش بینی کار" هستند. اساس کار این فناوری این است که سنسورها پارامترها را ترکیب می کنند و محرک ها تنظیمات را تنظیم می کنند. این کار به صورت بلادرنگ و بدون دخالت اپراتور انجام می شود.
 
در عملیات بزرگ تر که همزمان چندین ترکیب وجود دارد، این فناوری به یک اپراتور مجرب اجازه می دهد تا پارامترهای برداشت را روی همه ماشین ها تنظیم کند تا عملکرد سازگار و کارآمد را تضمین کند - مهم نیست چه کسی روی صندلی اپراتور است.
 
کمباین، حجم محصول را در فیدر حس می کند و سرعت زمینی کمباین را قبل از وقوع بارهای حداکثری سیستم تنظیم می کند. منفعت؟ این، تجهیزات را در بالاترین سطح بهره وری در هر زمان برای نتایج بهتر برداشت نگه می دارد.
 
با استفاده از حسگرهای موجود در کمباین ، فناوری های Cruise Pilot و Cemos Automatic سه عملکرد مختلف کمباین را کنترل می کنند: سرعت شیب دار یا "توان"، جداسازی و تمیز کردن. سپس با تغییر شرایط برداشت، تنظیمات هماهنگ دستگاه را تنظیم می کند. اپراتور می تواند نتیجه نهایی برای هر تابع را مطابق تصویر ارائه شده به او انتخاب کند.
 
Cruise Pilot  سرعت برداشت را برای بهترین نتایج بر اساس بار موتور کنترل می کند. بسته به حالت سفر، سیستم همزمان چندین پارامتر را برای کنترل، کنترل می کند: سرعت زمین، حجم محصول در فیدر، بار موتور و تلفات دانه. سه حالت سفر بر اساس بار موتور موجود است: سرعت ثابت، توان ثابت و توان ثابت با تلفات.
 
Cemos Automatic  ترکیبی از سیستم های نظافت و جداسازی را به طور خودکار کنترل می کند. جداسازی محصول از طریق تنظیمات خودکار و سرعت روتور و موقعیت پوشش روتور بهینه می شود.
 
تمیز کردن محصول با تعدیل مداوم سرعت فن و باز و بسته شدن الک های بالا و پایین بهینه می شود.
 
اپراتور می تواند یکی از چهار نتیجه دلخواه را انتخاب کند: حداکثر توان (برای پنجره های تنگ برداشت)؛ حداقل مصرف سوخت (برای بهره وری)؛ کیفیت عالی آسیاب (برای بهترین نتایج دانه)؛ و متعادل (که سه استراتژی دیگر را ترکیب می کند).
 
کاربردها و قابلیت های بالقوه شامل تصفیه خاک مخصوص محل، عملکرد سیستم های فرمان اتوماتیک، نظارت و مدیریت دستگاه و همچنین ارزیابی و استفاده از داده ها برای فهرست های میدانی است. در حین سفر بر روی مزرعه، سنسور شدت برگ سبز و تراکم محصول را اندازه گیری می کند تا نیازهای نیتروژن فعلی برای قطعات خاص را محاسبه کند. این سیستم همچنین می تواند برای مدیریت آفات مورد استفاده قرار گیرد.
 

این برنامه امکان هماهنگی حمل و نقل دانه در هنگام برداشت، و صرفه جویی در وقت و پول را ممکن می سازد. همه رانندگان در یک زنجیره لجستیک به طور مداوم از طریق تلفن هوشمند یا رایانه لوحی در مورد موقعیت و میزان پر شدن دانه های کمباین در ناوگان مطلع می شوند. این اطلاعات به راننده کمک می کند تا بلافاصله تصمیم بگیرد کدام کمباین را بعد باید خالی کند و کدام مسیر را برای آن تعیین کند.
 
پیمانکاران می توانند از این برنامه برای بهینه سازی مدیریت ناوگان در یک فرایند کاری در حال اجرا از طریق پایانه های تلفن همراه استفاده کنند یا زمان های متوقف شده را به صورت بلادرنگ تشخیص داده و به سرعت واکنش نشان دهند. حتی می توان با استفاده از عملکرد TONI داده های پخش کننده را نیز ضبط کرد. بنابراین این سیستم شفافیت و امنیت بهینه، داده ها را برای اسناد و اهداف کنترل داخلی ارائه می دهد.
 
موارد برجسته شامل جدیدترین برنامه های کاربردی برای ایجاد کاتالوگ های نمودار و ثبت داده های تلفن همراه است.
 
منبع: sciencedirect